Beruflich Dokumente
Kultur Dokumente
CONTINUAS
OBJETIVOS
DISTRIBUCIN EXPONENCIAL
F [T t ] =
Donde:
t es el lapso de tiempo
e es la base de los logaritmos neperianos 2.71828
Es la media, es el promedio de xitos
La forma de una variable aleatoria continua con distribucin exponencial es la
siguiente:(para la funcin de densidad)
0,06
0,04
0,02
0
0 10 20 30 40 50 60
1 Media
10
0,8
0,6
0,4
0,2
0
0 10 20 30 40 50 60
Ejemplo:
Suponga que Transmilenio programa una de sus rutas de acuerdo con una
distribucin de Poisson con una tasa promedio de 12 buses por hora Cul es
la probabilidad que un pasajero tenga que esperar mximo 5 minutos para
tomar el bus?
Solucin:
Suponga que la ruta de bus acaba de partir, situacin extrema, se pregunta por
P [t 5]. Como el promedio es de 12 por hora, y se pide en periodos de 5
minutos, no de hora, se ajusta el periodo de tiempo estableciendo la relacin de
5 con respecto a 60 que sea 1/12, es decir t que es la unidad de tiempo ser
igual a 1/12, por tanto,
P [t 5] =
= = 1- 0.3679
= 0.6312
F( t) = para t > 0
E [T] =
V [T] =
DISTRIBUCIN NORMAL
Es decir que una distribucin normal est caracterizada por su media , y por
su desviacin estndar .
El siguiente grfico corresponde a una variable X con distribucin normal de
media = 10 y desviacin estndar = 3
Grfico distribucin normal
0,15 Media,Desv. Tp.
10,3
0,12
densidad
0,09
0,06
0,03
0
0 5 10 15 20
x
2
1
f x dx
x2 x2
x1 x1
2
e 2
dx
0,2
0,1
0
-5 -4 -3 -2 -1 0 1 2 3 4 5
Otro ejemplo:
P [Z - 1.58] = 0.0571
Se busca la fila de -1.5 y se cruza con la columna de 08
Z 0,08
-1,5 0,0571
A manera de ejercicio, encuentre las siguientes probabilidades:
a) P [-1.17 Z 1.05 ] = 0.8531 - 0.1210
El rea que da es en el centro de la figura y vale 0.95, por tanto para completar
el rea total falta 0.05. Este faltante, la mitad o sea 0.025 est en la cola
izquierda de la distribucin y la otra mitad en la cola derecha. Por tanto, se
debe buscar el valor de 0.0250 en la tabla y se encuentra al igual que el caso
anterior, z= -1.96. Tambin se puede buscar por 0.975 ya que el rea a la
izquierda de zo es 0.95 + 0.025 = 0.975 e igualmente se encuentra z=1.96. A
manera de ejercicio hallar los valores de zo para los siguientes casos:
a) P [ z zo ] = 0.0668
zo = 1.5
b) P [ z zo ] = 0.10
zo = -1.28
c) P [ z zo ] = 0.15
zo = -1.04
d) P [-zo z zo ] = 0.90
zo = 1.64
e) P [-zo z zo ] = 0.80
zo = 1.28
Resumiendo lo hecho hasta aqu, hemos dicho que para una variable aleatoria
X ~N ( , ), el clculo de la probabilidad es algo complicado y hemos recurrido
a la distribucin normal estandarizada simbolizada por z ~ N (0,1) la cual
facilita la bsqueda de la probabilidad en razn a que ya estn calculadas y
que aparecen en la tabla reas bajo la curva normal estandarizada. Por lo tanto
lo que faltas es relacionar la variable X con la variable z, esta relacin es la
siguiente:
zi =
Ejemplo:
La duracin en horas de cierta marca de bombillos, se considera una variable
aleatoria distribuida normalmente, con una duracin promedio de 1000 horas y
una desviacin estndar de 200 horas. Si se escoge al azar uno de estos
bombillos, cul es la probabilidad de:
a) Tenga una duracin mxima de 800 horas
b) Tenga una duracin entre 600 y 1200 horas
c) Tenga una duracin mnima de 1300
d) Si el fabricante de los bombillos est dispuesto a garantizar hasta el 5%
de la produccin qu tiempo de garanta mximo puede ofrecer?
Solucin:
Los datos del enunciado se pueden simbolizar de la siguiente manera
z ~ N (1000, 200) es decir = 1000 y = 200
a) Probabilidad que un bombillo seleccionado al azar tenga una duracin
mxima de 800 horas.
Esta pregunta en smbolos queda:
P [ x 800 ]
Para resolver esta pregunta, primero se estandariza el valor de xi
entonces
zi = = -1
P [ x 800 ] = P [z -1 ]
Ahora se va a la tabla de reas bajo la curva normal estandarizada y se
busca el rea a la izquierda de -1, la cual es 0.1587.
Z 0,00
-1,0 0,1587
Por lo anterior,
P [x 800] = P [z -1 ] = 0.1587
Es decir la probabilidad que un bombillo escogido al azar dure mximo
800 horas es de 0.1587. Este resultado tambin se puede interpretar
diciendo que el 15.87% de los bombillos tiene una duracin mxima de
800 horas.
zi = =-2
zi =1
Quedando
Se estandariza
Z= = 1.5
Entonces
P [ x 1300 ] = 1 - P [ Z 1.5 ]
1.64 =
x0 = 672
Ejemplo:
La estatura de los estudiantes se considera una variable aleatoria distribuida
normalmente con media de 1.75 metros y desviacin estndar de 5
centmetros, Si al 10 % de los estudiantes, los ms altos , se les convoca para
pertenecer al equipo de basquetbol, Cul es la estatura mnima que debe
tener un estudiante para ser convocado a pertenecer al equipo de basquetbol?
Solucin:
Se tiene que x, la estatura de los estudiantes, sigue una distribucin normal
entonces x ~ N (1.75, 0.05), la media se dio en metros y la desviacin estndar
en centmetros, entonces se convirti a metros la deviacin estndar, para
trabajar todo en metros, se podra tambin trabajar todo en centmetros.
La pregunta formulada en smbolos sera:
P [ x x0 ] = 0.10
1.28 =
Ejemplo:
Un dispensador de gaseosas est calibrado para servir 12 onzas, con una
desviacin estndar de 0.5 onzas. Si la cantidad dispensada sigue una
distribucin aproximadamente normal
a) Cul es la probabilidad que el prximo vaso servido tenga entre 11.5 y
12.5 onzas?
b) Cul es la probabilidad que el prximo vaso servido tenga por lo menos
13 onzas?
c) Cul es la probabilidad que el prximo vaso servido tenga mximo 11
onzas?
d) Entre cuntas onzas estar el 90 % de los vasos servidos.
Solucin:
La cantidad de lquido dispensado es nuestra variable x, la cual sigue una
distribucin aproximadamente normal con media de 12 onzas y desviacin
estndar de 0.5 onzas. En smbolos x ~ N (12, 0.5)
Estandarizando
Z = = -1
Z= =1
Por tanto
P [11.5 x 12.5] = P [-1 x 1 ]
b) En smbolos la pregunta es
P [x 13 ]
Estandarizando
Z = 2
entonces
P [ x 13 ] = P[ Z 2 ] = 1- P [ z 2 ]
Se pregunta por un rea al lado derecho de z, por tanto se saca por
complemento es decir a 1 se le resta el rea al lado izquierdo de 2 que
es 0.9772 por tanto.
P [x 13 ] = 1 -P [ z 2 ] = 1-0.9772 = 0.0228
La probabilidad que el prximo vaso servido contenga por lo menos 13
onzas es de 0.0228, o dicho en trminos porcentuales, el 2.28% de los
vasos contendr por lo menos 13 onzas.
c) En smbolos la pregunta es
P [x 11 ]
Estandarizando
z= =-2
entonces
P [x 11 ] = P [ x -2 ]
Buscando en la tabla, el rea a la izquierda de -2 es 0.0228 entonces
P [x 11] = P [ x -2 ] = 0.0228
-1.64 =
x2 12
1.64 =
0.5
Cuando una variable aleatoria X sigue una distribucin binomial, X ~ b(n, p), en
donde n tiende a ser grande y p tiende a un medio, 0.5, entonces, se puede
aproximar esta distribucin binomial mediante una distribucin normal,
igualando sus medias y desviaciones estndar.
Sin embargo vale la pena recordar que una variable con distribucin binomial
es una variable discreta, mientras que una variable con distribucin normal es
una variable continua, por tanto se est aproximando una variable discreta
mediante una variable continua, lo cual implica que un punto en la discreta, se
aproxime con intervalo en la continua. Por este motivo se emplea lo que
comnmente se denomina factor de correccin por continuidad, que es
igual a = 0.5
Si en la variable discreta, se pregunta por P[X=6], esta pregunta quedara en
trminos de variable continua en P[5.5X6.5]. Es decir el punto se convierte
en un intervalo, para lo cual se le resta y se le suma el factor de correccin por
continuidad, 0.5
En la siguiente tabla se presentan varios casos para mostrar como se emplea
el factor de correccin por continuidad
Caso D. Binomial D. Normal
1 P[X=6] P[5.5X6.5]
2 P[X8] P[X8.5]
3 P[X<8] P[X7.5]
4 P{X8] P[X7.5]
5 P[X>8] P[X>8.5]
6 P[5X9] P[4.5X9.5]
7 P[5<X<9] P[5.5<X<8.5]
Ejemplo
Sea X una variable aleatoria discreta con distribucin binomial de parmetros
n=50 y p=0.4. X ~ b(50, 0.4) Calcular la probabilidad de P[X=24]
50
P[X=24] = 0.4240.626 0.0584
24
Ahora, este mismo clculo se puede aproximar por la normal.
=np, entonces =(50)(0.4)=20
np(1 p) (50)(0.4)(1 0.4) 3.4641
Entonces X ~ N(5, 3.4641)
P[X=24] = P[23.5X24.5] = P[1.01 Z 1.30] = 0.9032 0.8438 = 0.0594
Se puede observar que la aproximacin es bastante buena, 0.0584 y 0.0594.